Background Brain imaging studies of early Alzheimer's disease (AD) have shown decreased metabolism predominantly in the posterior cingulate cortex (PCC), medial temporal lobe, and inferior parietal lobe. This study investigated functional connectivity between these regions, as well as connectivity between these regions and the whole brain. Methods Functional magnetic resonance imaging (fMRI) and diffusion tensor imaging (DTI) studies were performed in subjects with early AD, mild cognitive impairment (MCI), and normal controls. Results The data indicate both decreased fiber connections and disrupted connectivity between the hippocampus and PCC in early AD. The MCI group showed reduced fiber numbers derived from PCC and hippocampus to the whole brain. Conclusions The fMRI and DTI results confirmed decreased connectivity from both the PCC and hippocampus to the whole brain in MCI and AD and reduction in connectivity between these two regions, which plausibly represents an early imaging biomarker for AD.

To investigate the integrity of the default-mode network (DMN) by using independent component analysis (ICA) methods in patients shortly after mild traumatic brain injury (MTBI) and healthy control subjects, and to correlate DMN connectivity changes with neurocognitive tests and clinical symptoms.This study was approved by the institutional review board and complied with HIPAA regulations. Twenty-three patients with MTBI who had posttraumatic symptoms shortly after injury (<2 months) and 18 age-matched healthy control subjects were included in this study. Resting-state functional magnetic resonance imaging was performed at 3 T to characterize the DMN by using ICA methods, including a single-participant ICA on the basis of a comprehensive template from core seeds in the posterior cingulate cortex (PCC) and medial prefrontal cortex (MPFC) nodes. ICA z images of DMN components were compared between the two groups and correlated with neurocognitive tests and clinical performance in patients by using Pearson and Spearman rank correlation.When compared with the control subjects, there was significantly reduced connectivity in the PCC and parietal regions and increased frontal connectivity around the MPFC in patients with MTBI (P < .01). These frontoposterior opposing changes within the DMN were significantly correlated (r = -0.44, P = .03). The reduced posterior connectivity correlated positively with neurocognitive dysfunction (eg, cognitive flexibility), while the increased frontal connectivity correlated negatively with posttraumatic symptoms (ie, depression, anxiety, fatigue, and postconcussion syndrome).These results showed abnormal DMN connectivity patterns in patients with MTBI, which may provide insight into how neuronal communication and information integration are disrupted among DMN key structures after mild head injury.

Purpose To investigate longitudinal changes in global and regional brain volume in patients 1 year after mild traumatic brain injury (MTBI) and to correlate such changes with clinical and neurocognitive metrics. Materials and Methods This institutional review board–approved study was HIPAA compliant. Twenty-eight patients with MTBI (with 19 followed up at 1 year) with posttraumatic symptoms after injury and 22 matched control subjects (with 12 followed up at 1 year) were enrolled. Automated segmentation of brain regions to compute regional gray matter (GM) and white matter (WM) volumes was performed by using three-dimensional T1-weighted 3.0-T magnetic resonance imaging, and results were correlated with clinical metrics. Pearson and Spearman rank correlation coefficients were computed between longitudinal brain volume and neurocognitive scores, as well as clinical metrics, over the course of the follow-up period. Results One year after MTBI, there was measurable global brain atrophy, larger than that in control subjects. The anterior cingulate WM bilaterally and the left cingulate gyrus isthmus WM, as well as the right precuneal GM, showed significant decreases in regional volume in patients with MTBI over the 1st year after injury (corrected P < .05); this was confirmed by means of cross-sectional comparison with data in control subjects (corrected P < .05). Left and right rostral anterior cingulum WM volume loss correlated with changes in neurocognitive measures of memory (r = 0.65, P = .005) and attention (r = 0.60, P = .01). At 1-year follow-up, WM volume in the left cingulate gyrus isthmus correlated with clinical scores of anxiety (Spearman rank correlation r = −0.68, P = .007) and postconcussive symptoms (Spearman rank correlation r = −0.65, P = .01). Conclusion These observations demonstrate structural changes to the brain 1 year after injury after a single concussive episode. Regional brain atrophy is not exclusive to moderate and severe traumatic brain injury but may be seen after mild injury. In particular, the anterior part of the cingulum and the cingulate gyrus isthmus, as well as the precuneal GM, may be distinctively vulnerable 1 year after MTBI. © RSNA, 2013

Parameters such as the leaf area index (LAI), canopy chlorophyll content (CCH), and canopy carotenoid content (CCA) are important indicators for evaluating the ecological functions of forests. Currently, rapidly developing unmanned aerial vehicles (UAV) equipped with hyperspectral technology provide advanced technical means for the real-time dynamic acquisition of regional vegetation canopy parameters. In this study, a hyperspectral sensor mounted on a UAV was used to acquire the data in the study area, and the canopy parameter estimation model of moso bamboo forests (MBF) was developed by combining the PROSAIL radiative transfer model and the machine learning regression algorithm (MLRA), inverted the canopy parameters such as LAI, CCH, and CCA. The method first utilized the extended Fourier amplitude sensitivity test (EFAST) method to optimize the global sensitivity analysis and parameters of the PROSAIL model, and the successive projections algorithm (SPA) was used to screen the characteristic wavebands for the inversion of MBF canopy parameter inversion. Then, the optimized PROSAIL model was used to construct the ‘LAI-CCH-CCA-canopy reflectance’ simulation dataset for the MBF; multilayer perceptron regressor (MLPR), extra tree regressor (ETR), and extreme gradient boosting regressor (XGBR) employed used to construct PROSAIL_MLPR, PROSAIL_ETR, and PROSAIL_XGBR, respectively, as the three hybrid models. Finally, the best hybrid model was selected and used to invert the spatial distribution of the MBF canopy parameters. The following results were obtained: Waveband sensitivity analysis reveals 400–490 and 710–1000 nm as critical for LAI, 540–650 nm for chlorophyll, and 490–540 nm for carotenoids. SPA narrows down the feature bands to 43 for LAI, 19 for CCH, and 9 for CCA. The three constructed hybrid models were able to achieve high-precision inversion of the three parameters of the MBF, the model fitting accuracy of PROSAIL_MLRA reached more than 95%, with lower RMSE values, and the PROSAIL_XGBR model yielded the best fitting results. Our study provides a novel method for the inversion of forest canopy parameters based on UAV hyperspectral data.